R 在data.table中设置键的目的是什么？

我正在使用data.table，有许多函数需要我设置一个键（例如

X[Y]

）。因此，我希望了解为了在数据表中正确设置键，键是做什么的

---

我读到的一个来源是

？setkey

setkey（）

对

数据表进行排序，并将其标记为已排序。已排序的列是键。键可以是任意顺序的任意列。列始终按升序排序。该表通过引用进行了更改。除了一列大小的临时工作内存外，根本不复制

我在这里的收获是，一个键将对data.table进行“排序”，从而产生与
order（）
非常相似的效果。然而，它并没有解释拥有钥匙的目的


data.table FAQ 3.2和3.3解释了：

3.2我没有一个大表上的键，但是分组仍然非常快。为什么呢

data.table使用基数排序。这比其他的要快得多
排序算法。基数仅适用于整数，请参见
？base:：sort.list（x，method=“基数”）
。这也是原因之一
setkey（）
很快。当没有设置关键点，或者我们以不同的顺序分组时
从密钥的角度来看，我们称之为“临时用户”

3.3为什么按键中的列进行分组比按特殊列进行分组快

因为每个组在RAM中是连续的，所以最小化了页面
获取，并且可以批量复制内存（
memcpy
在C中），而不是
在C中循环

从这里开始，我猜设置一个键可以让R在某种程度上使用“基数排序”而不是其他算法，这就是为什么它更快的原因


《10分钟快速入门指南》中还提供了有关关键点的指南

钥匙
让我们首先考虑data.frame，特别是行名（或
英文，行名称）。也就是说，多个名称属于一个
一行属于同一行的多个名称？那不是什么
我们习惯于在data.frame中使用。我们知道每行最多有一个
名称一个人至少有两个名字，第一个名字和第二个名字。
这对于组织电话簿很有用，例如
按姓氏排序，然后按rst名称排序。但是，一行中的每一行
data.frame只能有一个名称

钥匙由一个或多个部件组成
行名称的列，可以是整数、因子、字符或某些
其他类，而不仅仅是字符。此外，行是按
钥匙。因此，data.table最多只能有一个键，因为它
不能以多种方式排序

不强制执行唯一性，
i、 例如，允许重复的键值。因为行是按
键，键中的任何重复项都将连续出现

电话簿有助于理解键是什么，但似乎键与“因子”列没有区别。此外，它没有解释为什么需要键（特别是使用某些函数）以及如何选择要设置为键的列。此外，在以时间为列的data.table中，将任何其他列设置为键可能也会弄乱时间列，这使得它更加混乱，因为我不知道是否允许将任何其他列设置为键。有人能告诉我吗？
键基本上是数据集的索引，它允许非常快速有效的排序、筛选和联接操作。这些可能是使用数据表而不是数据帧的最佳理由（使用数据表的语法也更加用户友好，但这与键无关）

如果你不理解索引，考虑一下：电话簿是按名称“索引”的。所以，如果我想查找某人的电话号码，这很简单。但假设我想按电话号码搜索（例如，查找谁有特定的电话号码）？除非我能通过电话号码“重新索引”电话簿，否则这将需要很长时间
考虑以下示例：假设我有一个表ZIP，其中包含美国所有邮政编码（>33000）以及相关信息（城市、州、人口、收入中值等）。如果我想查找特定邮政编码的信息，如果我先
setkey（zip，zipcode）
，搜索（过滤器）的速度大约会快1000倍

另一个好处与连接有关。假设a在数据表中有一个人员列表和他们的邮政编码（称之为“PPL”），我想从邮政编码表中附加信息（例如城市、州等）。以下代码将执行此操作：

setkey(ZIP,zipcode)
setkey(PPL,zipcode)
full.info <- PPL[ZIP, nomatch=F]

setkey（ZIP，zipcode）
设置键（PPL，zipcode）
full.info次要更新：请同时参阅。重点介绍我们计划讨论的其他小插曲


我再次更新了这个答案（2016年2月），因为新的
on=
功能也允许临时连接。有关早期（过时）答案，请参阅历史记录

setkey（DT，a，b）
？
它做两件事：

按引用提供的列（a、b）对data.table
DT
的行重新排序，始终按递增顺序排列
通过将名为
sorted
的属性设置为
DT
，将这些列标记为键列
重新排序既快（由于data.table的内部基数排序），又节省内存（只分配了一个double类型的额外列）

何时需要
setkey（）
？
对于分组操作，
setkey（）
从来不是绝对的要求。也就是说，我们可以通过或临时通过进行感冒治疗

请注意，
on=
参数也可以显式指定，即使对于键控的
联接也是如此

唯一需要绝对设置
键
的操作是功能。但我们正在开发更多的功能，这些功能完成后将删除此要求


那么实现
o的原因是什么
## "cold" by
require(data.table)
DT <- data.table(x=rep(1:5, each=2), y=1:10)
DT[, mean(y), by=x] # no key is set, order of groups preserved in result

## joins using < v1.9.6 
setkey(X, a) # absolutely required
setkey(Y, a) # not absolutely required as long as 'a' is the first column
X[Y]

## joins using v1.9.6+
X[Y, on="a"]
# or if the column names are x_a and y_a respectively
X[Y, on=c("x_a" = "y_a")]

## compare 
setkey(X, a, b) # why physically reorder X to just add/update a column?
X[Y, col := i.val]

## to
X[Y, col := i.val, on=c("a", "b")]